機械学習

このWebサイトでは、近畿大学 理工学部 情報学科(情報メディアコース)で開講されている講義「機械学習」に関する資料を公開しています。お気づきの点があれば、下記までご連絡下さい。

担当者

白浜 公章(教員紹介, 個人ページ
近畿大学 理工学部 情報学科
マルチメディア理解研究室
E-mail: shirahama@info.kindai.ac.jp

Acknowledgement

This course is based on the following book:

Jeremy Watt, Reza Borhani and Aggelos K. Katsaggelos
Machine Learning Refined: Foundations, Algorithms, and Applications
Cambridge University Press, 2016 link

The figures and codes used in this course are taken from the git repository of the book based on the authors' permission.

補講情報

出張のため、2018.11.16(金)2限は休講です。ただし、これに対する補講を、2018.12.21(金)4限(場所:17-204)に行います(つまり、2018.12.21は、2限と4限に授業があります)。

講義資料、コード等

トピック 日付 講義資料 コード その他
1. イントロダクション 2018.09.14 slides_1.pdf 1_test.ipynb mlrefined_libraries.zip(補助ライブラリ)
2. 最適化 2018.09.21 slides_2.pdf 2_taylor.ipynb
2_convexity.ipynb
2_optimisation.ipynb
3. 回帰(線形) 2018.09.28 slides_3.pdf 3_linear_regression.ipynb
3_feature_engineering.ipynb
(使用データ)
3_2d_linregress_data.csv
3_regression_outliers.csv
3_3d_linregress_data.csv
3_noisy_sin_sample.csv
4. 回帰(非線形) 2018.10.05 slides_4.pdf 4_logistic_regression.ipynb
4_regularisation_simple.ipynb
4_logistic_regression_reg.ipynb
(使用データ)
4_bacteria_data.csv
5. 分類(パーセプトロン) 2018.10.12
2018.10.18更新
slides_5.pdf 5_perceptron.ipynb (使用データ)
5_3d_classification_data_v0.csv
5_3d_classification_data_v2.csv
6. 分類(マージン・パーセプトロンとその他) 2018.10.19 slides_6.pdf 6_perceptron_sq_margin.ipynb
6_comparison.ipynb
6_misclassification_vs_cost.ipynb
6_two_perspectives.ipynb
(使用データ)
6_imbalanced_2class.csv
6_overlapping_2class.csv
6_breast_cancer_dataset.csv
7. 分類(多クラス分類)
レポートあり!
2018.11.16 23:59:59まで
2018.11.23 23:59:59まで(締め切りました)
詳しくは、slides_7.pdfの最後を参照
2018.10.26 slides_7.pdf 7_OvA.ipynb
7_softmax.ipynb
7_feature_engineering.ipynb
(使用データ)
7_3class_data.csv
7_4class_data.csv
7_5class_data.csv
7_ellipse_2class_data.csv
8. 特徴学習(回帰:基底関数群による関数近似) 2018.11.09 slides_8.pdf 8_BasicFunctions.ipynb (使用データ)
8_sin_function.csv
8_nonlinear.csv
8_nonlinear2.csv
8_universal_regression_function.csv
9. 特徴学習(回帰:実際のケース) 2018.11.30 slides_9.pdf 9_1layer_nn_regression.ipynb (使用データ)
9_noisy_sin_samples.csv
10. 特徴学習(回帰:交差検証) 2018.12.07 slides_10.pdf 10_overfitting.ipynb
10_cross_validation.ipynb
(使用データ)
10_noisy_sin_sample.csv
10_galileo_ramp_data.csv
11. 特徴学習
(分類:基底関数群によるステップ関数近似)
2018.12.14 slides_11.pdf 11_poly_basis_classification.ipynb (使用データ)
11_2eggs_data.csv
11_new_circle_data.csv
11_genreg_data.csv
12 & 13. 特徴学習
(分類:多クラス分類、交差検証)
レポートあり!
2019.01.18 23:59:59まで(締め切りました)
詳しくは、report2.pdfを参照
2018.12.21(2限)
2018.12.21(4限)
4限の場所は17-204
slides_12-13.pdf
report2.pdf
installation_guide_mac.pdf
12_1layer_nn_classification.ipynb
12_OvA_poly.ipnyb.ipynb
12_multi-class_softmax.ipynb
12_cross_entropy.ipynb
12_cross_validation.ipynb
(使用データ)
12_2d_classification_data_v1_entropy.csv
12_3_layercake_data.csv
12_bullseye_data.csv
プラス、第11回のデータも継続的に使用する。
14. 特徴学習
(たたみ込みニューラルネットワークによる画像分類)
2019.01.18 slides_14.pdf 14_conv_pool_naive.ipynb
14_conv_pool_keras.ipynb
(使用データ)
14_vertical.png
14_horizontal.png
14_star8.png
14_elephant.jpg
15. 特徴学習
(たたみ込みニューラルネットワークによる画像分類 続き)
レポートあり!
2019.02.11 23:59:59まで
詳しくは、report3.pdfを参照
2019.01.25 slides_15.pdf 15_lenet.ipynb
report3.pdf
第2回レポートの分類精度ランキング
report2_ranking.png
report2_ranking.txt
第3回レポートの分類精度ランキング 2019.02.12 report3_ranking.png
report3_ranking.txt
最高精度のモデルの構造とコメント


ライセンス(License)

本サイトで公開している資料やコードを無断で使用・転用することを禁じます。ご使用になりたい場合は、白浜(上記連絡先参照)までご連絡下さい。
It is prohibited to use the slides and codes on this website with no permission. Please contact me if you want to use them.